Core Concepts
본 논문에서는 깊이 지향 주의력을 활용하여 Cycle GAN 모델을 개선하여 수중 이미지의 대비를 향상시키는 방법을 제안합니다.
Abstract
본 논문은 수중 이미지 향상을 위한 개선된 Cycle GAN 모델을 제안합니다. 저자들은 깊이 지향 주의력을 활용하여 Cycle GAN의 손실 함수를 수정하였습니다. 이를 통해 전체 이미지의 콘텐츠, 색상, 지역 텍스처 및 스타일 정보를 유지하면서 대비를 향상시킬 수 있었습니다.
저자들은 EUPV 데이터셋을 사용하여 수정된 Cycle GAN 모델을 학습하였습니다. EUPV 데이터셋은 다양한 가시성 조건에서 수집된 다양한 수중 이미지로 구성되어 있습니다.
정성적 및 정량적 평가를 통해 제안된 모델이 기존 모델들에 비해 우수한 성능을 보임을 확인하였습니다. 또한 객체 탐지 작업에서도 향상된 성능을 보였습니다.
Stats
수중 이미지의 대비와 선명도가 향상되었습니다.
수중 이미지의 색상 왜곡이 감소하였습니다.
객체 탐지 성능이 향상되었습니다.
Quotes
"본 논문에서는 깊이 지향 주의력을 활용하여 Cycle GAN 모델을 개선하여 수중 이미지의 대비를 향상시키는 방법을 제안합니다."
"EUPV 데이터셋은 다양한 가시성 조건에서 수집된 다양한 수중 이미지로 구성되어 있습니다."
"정성적 및 정량적 평가를 통해 제안된 모델이 기존 모델들에 비해 우수한 성능을 보임을 확인하였습니다."